几十年前首次在移植肾中描述了一种称为移植肾小球病的病症，但其特征尚未得到充分表征。这种情况很常见，与预后不良有关，并影响移植肾的肾小球，这是由毛细血管组成的微小球状结构，参与血液过滤形成尿液。移植肾小球病影响5%至20%的肾移植受者，高达55%的高危人群，其一些特征存在于其他几个疾病过程中，使其诊断困难。

为了提供一些有效信息，Olivier Aubert等人对综合病理结果和临床，免疫学和结果数据进行了分析，以确定和描述不同类型的移植肾小球病患者。

通过将他们的数据驱动的机器学习方法应用于385名基于移植后活组织检查诊断患者的患者，研究人员确定了5组具有不同特征的患者，以及移植肾存活率方面的不同结果。该团队还为临床医生开发了一种易于使用的工具，使他们能够输入患者的临床，组织学和免疫学参数，将他们分类到适当的组并预测他们的健康结果。该工具可用于根据患者的移植失败风险对患者进行个性化治疗。

“我们的研究表明，我们可以如何查询具有相同疾病的患者的多级高度注释数据集，以区分具有不同移植器官存活特征的患者的不同特征，”Aubert博士说。

“所有患有特定疾病的患者都不相同，机器学习方法可以帮助我们识别患者群体中同种异体移植物丢失的不同风险特征，”Loupy博士补充说。